Confidential Computing: Bagaimana Menjaga Data Sensitif Saat Diproses?

Data enterprise biasanya dilindungi dengan dua konsep yang sudah sangat familiar: encryption at rest ketika data disimpan dan encryption in transit ketika data berpindah melalui jaringan.

Tetapi ada satu kondisi yang sering tidak mendapatkan perhatian yang sama: ketika data sedang digunakan oleh aplikasi.

Sebuah database dapat terenkripsi ketika tersimpan di storage. Data dapat pula dilindungi ketika dikirim melalui koneksi terenkripsi. Namun agar aplikasi dapat menghitung, menganalisis, atau menjalankan machine learning terhadap data tersebut, data pada suatu titik harus diproses oleh memory dan processor.

Di sinilah confidential computing menjadi relevan.

Menurut NIST Confidential Computing Glossary, confidential computing menggunakan kemampuan hardware untuk mengisolasi dan memproses data yang terenkripsi di memory sehingga risiko paparan terhadap workload lain maupun platform yang mendasarinya dapat dikurangi.

Perkembangan ini menjadi semakin penting ketika enterprise mulai menjalankan workload sensitif di cloud dan menggunakan AI untuk memproses data internal.

Pada Mei 2026, NIST menerbitkan initial public draft NIST IR 8320E, Hardware-Enabled Security: Confidential Computing of Data in Cloud Workloads, yang secara khusus membahas penggunaan confidential computing untuk melindungi data sensitif yang diproses pada cloud workload, termasuk workload AI.

Pertanyaannya bukan lagi sekadar “Apakah data kita sudah terenkripsi?”

Pertanyaan yang lebih tepat adalah:

“Apakah data kita tetap terlindungi ketika sedang diproses?”

Confidential Computing Menjawab Masalah “Data in Use”

Untuk memahami confidential computing, kita perlu melihat tiga kondisi utama data.

Google Cloud menjelaskan confidential computing sebagai perlindungan terhadap data in use menggunakan hardware-based Trusted Execution Environment (TEE). TEE menyediakan lingkungan yang terisolasi untuk menjalankan aplikasi dan data sehingga akses atau modifikasi yang tidak berwenang dapat dibatasi selama data sedang digunakan.

Konsep ini melengkapi pendekatan encryption yang sudah ada.

Bayangkan sebuah sistem enterprise yang menjalankan analisis terhadap data finansial. Database dapat menggunakan encryption at rest. Koneksi antara aplikasi dan database dapat menggunakan encryption in transit. Tetapi ketika aplikasi mengambil data tersebut ke memory untuk melakukan kalkulasi, data perlu tersedia dalam bentuk yang dapat diproses.

Confidential computing mencoba memberikan perlindungan tambahan tepat pada tahap tersebut.

Dengan kata lain, encryption tidak lagi hanya berhenti pada storage dan network. Perlindungan diperluas ke lingkungan tempat data sedang dihitung.

Bagaimana Trusted Execution Environment Bekerja?

Komponen penting dalam confidential computing adalah Trusted Execution Environment atau TEE.

Secara sederhana, TEE adalah area komputasi yang dirancang agar workload dan data di dalamnya mendapatkan isolasi dari lingkungan di luar trust boundary tersebut.

NIST menjelaskan bahwa confidential computing menggunakan hardware-enabled mechanisms untuk melindungi data yang sedang diproses. Dalam rancangan yang dibahas NIST IR 8320E, salah satu pendekatannya adalah mengenkripsi memory workload dan memastikan hanya compute resource yang memenuhi kondisi tertentu yang dapat memperoleh akses terhadap data tersebut.

Ini berbeda dari pendekatan security tradisional yang sebagian besar berfokus pada software control.

Secara konseptual, arsitekturnya dapat dilihat seperti ini:

Application → TEE → Protected Memory → Sensitive Data

Di luar trust boundary tersebut terdapat operating system, hypervisor, infrastructure layer, administrator, dan workload lain yang secara prinsip tidak seharusnya memperoleh akses terhadap isi workload yang dilindungi.

Bukan berarti TEE membuat sistem menjadi kebal terhadap seluruh serangan.

Confidential computing adalah satu security layer, bukan pengganti identity management, encryption, secure coding, network security, monitoring, vulnerability management, atau governance.

Justru karena itu, confidential computing lebih tepat dipahami sebagai bagian dari defense-in-depth architecture.

Mengapa Confidential Computing Menjadi Relevan untuk AI?

AI membuat persoalan ini semakin menarik.

Enterprise ingin menggunakan AI terhadap data yang sangat sensitif: financial records, customer information, intellectual property, operational data, proprietary models, dan berbagai informasi internal lainnya.

Masalahnya, semakin bernilai data yang digunakan AI, semakin tinggi pula konsekuensi jika data tersebut terekspos.

NIST IR 8320E secara eksplisit membahas penggunaan confidential computing untuk melindungi dataset yang sedang digunakan oleh AI workload pada cloud infrastructure. Tujuannya termasuk mengurangi risiko malware, data theft, dan kerentanan lain terhadap data yang sedang diproses.

Misalnya sebuah perusahaan ingin menggunakan model AI untuk menganalisis data internal yang sangat sensitif.

Arsitektur sederhana mungkin terlihat seperti:

Enterprise Data → AI Application → AI Model → Result

Tetapi dari perspektif security, ada banyak pertanyaan:

Siapa yang dapat mengakses data?

Di mana data diproses?

Siapa yang mengelola infrastructure?

Apakah administrator infrastructure dapat melihat workload?

Bagaimana memastikan workload yang berjalan benar-benar workload yang telah disetujui?

Bagaimana model dan data dilindungi ketika keduanya berada di memory?

Confidential computing dapat menjadi salah satu mekanisme untuk menjawab sebagian pertanyaan tersebut.

Google Cloud, misalnya, menjelaskan use case confidential computing untuk AI, data analytics, dan federated learning, termasuk penggunaan environment terisolasi untuk memproses data sensitif.

Confidential Computing Bukan Berarti Semua Data Harus Menggunakannya

Di sinilah enterprise perlu berhati-hati.

Confidential computing bukan teknologi yang otomatis harus diterapkan pada seluruh workload.

Jika sebuah aplikasi hanya memproses data publik, misalnya katalog produk yang memang tersedia untuk umum, kebutuhan terhadap confidential computing mungkin sangat berbeda dibandingkan sistem yang memproses data finansial, intellectual property, atau informasi pelanggan yang sangat sensitif.

Karena itu, keputusan implementasi sebaiknya dimulai dari risk classification, bukan dari teknologi.

Contoh sederhana:

Kategorisasi tersebut bukan standar universal. Enterprise tetap perlu menentukan classification berdasarkan data, regulatory requirements, threat model, architecture, dan business risk masing-masing.

Yang penting adalah tidak menggunakan confidential computing hanya karena teknologinya sedang berkembang.

Use Case yang Menarik: Data dari Banyak Pihak

Salah satu area yang menarik adalah ketika beberapa pihak ingin melakukan komputasi terhadap data tanpa memberikan akses penuh terhadap data mentah satu sama lain.

Misalnya dua perusahaan ingin menjalankan analisis bersama tetapi masing-masing memiliki data proprietary.

Secara tradisional, salah satu tantangannya adalah menentukan siapa yang menyimpan dan memproses data tersebut.

TEE dapat digunakan sebagai trust boundary tambahan.

Google Cloud, misalnya, menjelaskan Confidential Space sebagai environment terisolasi untuk memproses data sensitif dari beberapa pihak, termasuk PII, intellectual property, cryptographic secrets, machine learning models, dan interaksi dengan LLM. Mekanisme attestation digunakan untuk memastikan secret hanya diberikan kepada workload yang memenuhi kondisi yang disepakati.

Ini membuka kemungkinan untuk skenario seperti:

Company A Data + Company B Data → Protected Computing Environment → Shared Result

Tanpa harus membuat seluruh data mentah tersedia secara terbuka di antara pihak-pihak tersebut.

Untuk industri dengan kebutuhan kolaborasi data yang tinggi, konsep ini dapat menjadi semakin relevan.

Apa Hubungannya dengan Cloud?

Cloud membuat confidential computing semakin menarik karena organisasi tidak selalu mengontrol seluruh physical infrastructure tempat workload berjalan.

Dalam traditional on-premise environment, organisasi memiliki kontrol yang relatif lebih besar terhadap hardware, operating system, network, dan physical access.

Di cloud, sebagian trust boundary berpindah ke cloud provider.

Confidential computing mencoba memperkecil sebagian risiko tersebut dengan memberikan perlindungan berbasis hardware terhadap workload dan data yang sedang diproses.

NIST pada 2026 secara khusus menempatkan confidential computing dalam konteks perlindungan workload sensitif di cloud. Dokumen tersebut menjelaskan bahwa teknologi ini memperluas perlindungan encryption hingga data yang sedang aktif digunakan di memory.

Tetapi ini bukan berarti perusahaan dapat menganggap cloud provider “tidak perlu dipercaya”.

Trust tetap diperlukan.

Yang berubah adalah bagaimana trust boundary dibangun dan diverifikasi secara teknis.

Confidential Computing Tidak Menggantikan Security Architecture

Salah satu miskonsepsi yang perlu dihindari adalah menganggap confidential computing sebagai security solution yang berdiri sendiri.

Padahal confidential computing hanya menangani bagian tertentu dari threat model.

Misalnya, confidential computing tidak otomatis menyelesaikan:

• Compromised application logic,
• Stolen user credentials,
• Insecure API,
• Excessive user privileges,
• Malicious application code,
• Insecure dependencies,
• Data leakage melalui application output,
• Poor key management,
• atau business process yang salah.

Karena itu, confidential computing harus ditempatkan bersama security controls lainnya.

Enterprise tetap membutuhkan identity and access management, encryption, secure APIs, application security, logging, monitoring, vulnerability management, dan governance.

Hal ini sejalan dengan pendekatan NIST mengenai layered security, di mana hardware security merupakan salah satu lapisan dalam perlindungan platform dan workload, bukan pengganti seluruh kontrol keamanan.

Untuk enterprise yang sedang mengembangkan atau memperbarui sistem bisnis, security architecture sebaiknya dipikirkan sejak tahap desain, bukan baru setelah aplikasi selesai dibangun. Pendekatan tersebut juga relevan ketika perusahaan melakukan custom enterprise software development dan perlu menentukan security boundary sesuai karakteristik proses bisnis serta data yang digunakan.

Kapan Enterprise Perlu Mempertimbangkan Confidential Computing?

Ada beberapa kondisi yang membuat teknologi ini layak masuk dalam architectural discussion.

Pertama, perusahaan memproses data dengan sensitivitas tinggi tetapi ingin menggunakan cloud atau shared infrastructure.

Kedua, workload menggunakan AI atau machine learning untuk memproses data yang tidak dapat dengan mudah dipindahkan ke environment biasa.

Ketiga, terdapat kebutuhan multi-party computation atau collaboration, sementara setiap pihak ingin mempertahankan confidentiality terhadap data mereka.

Keempat, perusahaan memiliki threat model yang memasukkan risiko terhadap infrastructure atau privileged access dan membutuhkan additional isolation layer.

Kelima, regulatory atau contractual requirements membuat perlindungan terhadap data in use menjadi bagian penting dari security architecture.

Sebaliknya, jika workload tidak sensitif dan threat model tidak membutuhkan perlindungan tambahan terhadap data in use, implementasi confidential computing mungkin tidak memberikan manfaat yang sebanding dengan kompleksitas tambahan.

Teknologi security yang baik bukan teknologi yang paling canggih, tetapi teknologi yang sesuai dengan risiko yang ingin dikendalikan.

Apa yang Harus Disiapkan Sebelum Implementasi?

Enterprise yang tertarik menggunakan confidential computing sebaiknya tidak memulai dengan membeli layanan cloud tertentu.

Mulailah dengan memetakan workload.

Identifikasi data apa yang diproses, siapa yang memiliki data, siapa yang dapat mengaksesnya, di mana workload berjalan, siapa yang mengoperasikan infrastructure, dan apa yang menjadi konsekuensi jika data tersebut terekspos.

Setelah itu, tentukan trust boundary yang dibutuhkan.

Barulah arsitektur dapat menentukan apakah TEE, attestation, memory encryption, key management, confidential VM, confidential container, atau mekanisme lain diperlukan.

Pendekatan ini juga membantu mencegah security architecture menjadi terlalu kompleks tanpa business justification yang jelas.

Untuk sistem enterprise yang sudah berjalan, kebutuhan tersebut terkadang muncul bukan karena perusahaan ingin membangun sistem baru, tetapi karena architecture existing sudah harus diperbarui untuk memenuhi kebutuhan security dan workload baru. Dalam kondisi seperti itu, pendekatan Enterprise System Upgrade dapat menjadi alternatif dibandingkan melakukan rebuild seluruh sistem.

Confidential Computing Akan Semakin Relevan Ketika Data Semakin Bernilai

Perusahaan sedang memindahkan semakin banyak proses bisnis ke software dan cloud. Pada saat yang sama, AI membuat semakin banyak data internal dapat diproses untuk menghasilkan insight, automation, dan keputusan.

Paradoksnya adalah semakin banyak nilai yang dapat diperoleh dari data, semakin besar pula kebutuhan untuk melindunginya.

Confidential computing menawarkan pendekatan yang berbeda dari sekadar menambah firewall, access control, atau encryption pada storage.

Fokusnya adalah satu pertanyaan yang sangat spesifik:

Bagaimana melindungi data ketika data tersebut sedang digunakan?

NIST pada 2026 bahkan secara khusus mengembangkan guidance mengenai confidential computing untuk cloud workloads dan AI workloads, menunjukkan bahwa perlindungan terhadap data in use menjadi bagian yang semakin relevan dalam diskusi hardware-enabled security.

Namun, enterprise tidak perlu mengadopsinya hanya karena teknologi ini sedang berkembang.

Langkah yang lebih tepat adalah memulai dari data classification → threat model → trust boundary → architecture → security controls.

Jika hasil assessment menunjukkan bahwa risiko terbesar justru berada pada application layer, identity, API, atau architecture existing, maka area tersebut seharusnya diperbaiki terlebih dahulu.

Pada akhirnya, confidential computing bukan tentang membuat semua data menjadi “super secure”.

Ini tentang menambahkan lapisan perlindungan yang tepat pada titik ketika data paling sulit dilindungi: saat sedang diproses.

Dan ketika data tersebut menjadi bahan bakar bagi sistem enterprise dan AI, kemampuan untuk mengontrol bukan hanya di mana data disimpan, tetapi juga di mana dan bagaimana data digunakan, akan menjadi bagian penting dari architecture software enterprise generasi berikutnya.

Untuk perusahaan yang sedang membangun sistem baru, mengintegrasikan AI, atau melakukan modernization terhadap sistem existing, kebutuhan tersebut perlu diterjemahkan ke dalam architecture yang sesuai dengan business process, data sensitivity, integration, dan security requirements. Crocodic mengembangkan custom enterprise software dan enterprise systems dengan pendekatan yang menempatkan architecture dan kebutuhan bisnis sebagai bagian dari proses pengembangan, bukan sekadar implementasi fitur.

Data yang aman bukan hanya data yang tersimpan dengan baik. Data enterprise juga perlu tetap terlindungi ketika sedang digunakan.